聯系電話:
+886 2 77182788
ISO/PAS 8800:2024 是為確保道路車輛中人工智慧 (AI) 和機器學習 (ML) 系統的功能安全性而開發的規格。它擴充了既有的汽車安全標準 (例如 ISO 26262 和 ISO 21448/SOTIF)，以因應 AI 技術所帶來的獨特挑戰和風險。遵守 ISO 8800 要求組織採用結構化、以生命週期為基礎的方法，以開發、部署和監控安全關鍵汽車應用中的 AI 系統。
與現有標準整合
ISO/PAS 8800 旨在補充而非取代現有的汽車安全標準：
標準 | 重點領域 | 與 ISO 8800 的關係 |
ISO 26262 | E/E 系統的功能安全 | ISO 8800 延伸至 AI/ML 元件 |
ISO 21448 | 預期功能安全 (SOTIF) | ISO 8800 針對 AI 特有的風險 |
ISO 9001 | 品質管理系統 | 形成組織基礎 |
成功合規的最佳實務
-
及早識別風險：在概念和設計階段處理潛在的 AI 專屬危害。
-
可追溯性：在安全要求、AI 元件和測試結果之間維持明確的連結。
-
持續改善：使用現場資料和上市後的監控來改進和更新人工智慧模型和安全措施。
-
訓練與意識：確保員工接受有關 ISO/PAS 8800 及相關標準的要求和意圖的訓練。 透過遵循這些結構化的步驟，組織可以有系統地解決汽車系統中人工智能所帶來的獨特安全挑戰，建立堅實的保證論據，並證明符合 ISO/PAS 8800。
組織合規的關鍵步驟
-
建立 AI 安全管理架構
-
定義 AI 系統範圍與安全需求
-
資料管理與品質保證
-
AI 系統設計與架構
-
驗證與驗證 (V&V)
-
安全分析與風險管理
-
生命週期管理與上市後措施
-
文件與保證論證
-
建立 AI 安全管理架構 · 定義 AI 安全管理的角色、責任與流程。
· 以 ISO 9001 和 IATF 16949 等標準為基礎，將人工智能安全融入組織的品質管理系統 (QMS)。
· 確保 AI 專家、安全工程師與領域專家之間的跨功能合作。
-
定義 AI 系統範圍與安全需求
· 明確辨識並記錄車輛系統內的 AI 元件 (例如訓練模型、決策模組)。
· 指定一套完整的 AI 安全需求，確保可追溯至系統層級的安全目標與法規需求。依據開發心得與驗證結果迭代精進需求。
-
資料管理與品質保證
· 建立嚴格的資料管理實務，以確保 AI 訓練與驗證的資料品質、完整性與代表性。
· 記錄資料集的建立、驗證與限制，包括已知的不足或涵蓋範圍的缺口。
-
AI 系統設計與架構
· 根據安全需求選擇特定 AI 技術與架構，並說明使用的理由。
· 將安全需求分配至特定的 AI 元件，並定義架構與開發措施以降低風險。處理開發環境與作業環境之間的差異，必要時調整措施。
-
驗證與驗證 (V&V)
· 針對 AI 元件和整合系統實施全面的驗證和驗證程序。
· 使用最佳實務，包括需求分析、邊界值分析和錯誤猜測，開發測試案例。
· 確保每個測試案例都有明確的通過/失敗標準，並涵蓋指定的輸入空間。
-
安全分析與風險管理
· 進行有系統的安全分析，以辨識並處理潛在危險，包括人工智慧特有的危險 (例如偏差、效能限制、錯誤分類) 。
· 應用因果模型追蹤功能不足的根本原因，並定義緩解策略。
-
-
文件與保證論證
· 為所有階段製作全面的文件：需求、設計、資料、V&V 與安全分析。
· 開發安全保證論證，證明 AI 系統行為不存在不合理的風險。
RELATED RESOURCES
